Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
OpenDocCN
Ailearning
提交
923986be
A
Ailearning
项目概览
OpenDocCN
/
Ailearning
大约 1 年 前同步成功
通知
12
Star
36240
Fork
11272
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
DevOps
流水线
流水线任务
计划
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
A
Ailearning
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
DevOps
DevOps
流水线
流水线任务
计划
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
流水线任务
提交
Issue看板
体验新版 GitCode,发现更多精彩内容 >>
提交
923986be
编写于
5月 13, 2020
作者:
片刻小哥哥
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
添加链接
上级
4609c0b2
变更
2
隐藏空白更改
内联
并排
Showing
2 changed file
with
38 addition
and
19 deletion
+38
-19
SUMMARY.md
SUMMARY.md
+28
-19
docs/nlp/1.自然语言处理入门介绍.md
docs/nlp/1.自然语言处理入门介绍.md
+10
-0
未找到文件。
SUMMARY.md
浏览文件 @
923986be
+
[
第1章_基础知识
](
docs/ml/1.机器学习基础.md
)
+
[
第2章_K近邻算法
](
docs/ml/2.k-近邻算法.md
)
+
[
第3章_决策树算法
](
docs/ml/3.决策树.md
)
+
[
第4章_朴素贝叶斯
](
docs/ml/4.朴素贝叶斯.md
)
+
[
第5章_逻辑回归
](
docs/ml/5.Logistic回归.md
)
+
[
第6章_支持向量机
](
docs/ml/6.支持向量机.md
)
+
[
支持向量机的几个通俗理解
](
docs/ml/6.1.支持向量机的几个通俗理解.md
)
+
[
第7章_集成方法
](
docs/ml/7.集成方法-随机森林和AdaBoost.md
)
+
[
第8章_回归
](
docs/ml/8.回归.md
)
+
[
第9章_树回归
](
docs/ml/9.树回归.md
)
+
[
第10章_KMeans聚类
](
docs/ml/10.k-means聚类.md
)
+
[
第11章_Apriori算法
](
docs/ml/11.使用Apriori算法进行关联分析.md
)
+
[
第12章_FP-growth算法
](
docs/ml/12.使用FP-growth算法来高效发现频繁项集.md
)
+
[
第13章_PCA降维
](
docs/ml/13.利用PCA来简化数据.md
)
+
[
第14章_SVD简化数据
](
docs/ml/14.利用SVD简化数据.md
)
+
[
第15章_大数据与MapReduce
](
docs/ml/15.大数据与MapReduce.md
)
+
[
第16章_推荐系统
](
docs/ml/16.推荐系统.md
)
+
[
为何录制教学版视频
](
docs/why-to-record-study-ml-video.md
)
+
[
2017-04-08_第一期的总结
](
report/2017-04-08_第一期的总结.md
)
+
[
入门须知
](
README.md
)
+
机器学习
+
[
第1章_基础知识
](
docs/ml/1.机器学习基础.md
)
+
[
第2章_K近邻算法
](
docs/ml/2.k-近邻算法.md
)
+
[
第3章_决策树算法
](
docs/ml/3.决策树.md
)
+
[
第4章_朴素贝叶斯
](
docs/ml/4.朴素贝叶斯.md
)
+
[
第5章_逻辑回归
](
docs/ml/5.Logistic回归.md
)
+
[
第6章_支持向量机
](
docs/ml/6.支持向量机.md
)
+
[
第7章_集成方法
](
docs/ml/7.集成方法-随机森林和AdaBoost.md
)
+
[
第8章_回归
](
docs/ml/8.回归.md
)
+
[
第9章_树回归
](
docs/ml/9.树回归.md
)
+
[
第10章_KMeans聚类
](
docs/ml/10.k-means聚类.md
)
+
[
第11章_Apriori算法
](
docs/ml/11.使用Apriori算法进行关联分析.md
)
+
[
第12章_FP-growth算法
](
docs/ml/12.使用FP-growth算法来高效发现频繁项集.md
)
+
[
第13章_PCA降维
](
docs/ml/13.利用PCA来简化数据.md
)
+
[
第14章_SVD简化数据
](
docs/ml/14.利用SVD简化数据.md
)
+
[
第15章_大数据与MapReduce
](
docs/ml/15.大数据与MapReduce.md
)
+
[
第16章_推荐系统
](
docs/ml/16.推荐系统.md
)
+
[
为何录制教学版视频
](
docs/why-to-record-study-ml-video.md
)
+
[
2017-04-08_第一期的总结
](
report/2017-04-08_第一期的总结.md
)
+
自然语言处理
+
[
第1章_自然语言处理入门介绍
](
docs/nlp/1.自然语言处理入门介绍.md
)
+
[
第2章_自然语言处理入门介绍
](
docs/nlp/3.1.篇章分析-内容概述.md
)
+
[
第3章_自然语言处理入门介绍
](
docs/nlp/3.2.篇章分析-内容概述.md
)
+
[
第4章_自然语言处理入门介绍
](
docs/nlp/3.3.篇章分析-内容概述.md
)
+
[
第5章_自然语言处理入门介绍
](
docs/nlp/3.4.篇章分析-内容概述.md
)
docs/nlp/1.自然语言处理入门介绍.md
浏览文件 @
923986be
...
...
@@ -85,3 +85,13 @@
*
向量化表示: 车头如何防止车牌(0.1222, 0.22333, .. )
*
相似度计算: 前牌照怎么装(0.762) 如何办理北京牌照(0.486)
*
向量化表示: (-0.333, 0.1223 .. ) (0.333, 0.3333, .. )
### 案例6(机器翻译)
**机器翻译技术(Machine Translating)**
: 基于互联网大数据,融合深度神经网络、统计、规则多种翻译方法,帮助用户跨越语言鸿沟,与世界自由沟通
例如:
*
今天我很高兴
*
I am very happy today
*
讲中文编码,然后得到编码值,再去和正确编码值比较并优化
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录